Francisco-Blanes-Mistral-min

Mistral, tercer Socio Empresa de ANBAN

Os presentamos a nuestro nuevo Socio Empresa, siendo ya el tercero que se apunta a esta aventura por el conocimiento y la profesionalizan del sector del Dato y la analítica de negocio. Conoce mejor a Mistral en la siguiente entrevista.

¿Qué es Mistral?

Mistral es una consultora TIC especializada en la analítica de datos, concretamente en las áreas de Business Intelligence, Data Science y Big Data. Fue fundada en 2013 por Francisco Blanes, tras trabajar dos años en Alemania como analista de BI y regresar a Valencia.

Durante los primeros años la empresa estuvo más enfocada al mercado internacional y fue a partir de 2018 cuando empezó a mirar al mercado nacional. Actualmente cuenta con 27 personas. Su oficina central está en Valencia, contando con delegaciones comerciales en Alicante y Madrid, abiertas ambas en 2020.

Mistral cuenta con clientes de todos los tamaños y en múltiples sectores. Hemos desarrollado proyectos para grandes multinacionales como Siemens o Vaillant, así como también para micro empresas, como una empresa de transportes de Valencia. Trabajamos o hemos trabajado con empresas de Alemania, Holanda, Francia, Bélgica y, en España, en Valencia, Alicante y Madrid.

Actualmente contamos con clientes en áreas muy diversas, como cruceros, servicios de RRHH, servicios de transporte y movilidad, industria agroalimentaria, trading de minerales, realidad virtual, servicios de mantenimiento de centrales nucleares o alquiler de coches.

¿Como definirías una estrategia que implemente tecnologías relacionadas con el Big Data, AI o Machine Learning?

En Mistral afrontamos este tipo de proyectos siguiendo una metodología de trabajo que incluye unas etapas muy bien definidas, cada una de las cuáles sirve a un propósito concreto y es el punto de partida para la siguiente. Éstas son las etapas y la misión de cada una de ellas:

  • Business Question: Ningún proyecto de Big Data o AI/ML debería empezarse hasta no tener claro qué problema de negocio quiere resolverse. No se trata de “tengo estos datos, voy a ver qué puedo hacer con ellos”, sino “tengo este problema, voy a ver cómo puedo solucionarlo con los datos de que dispongo”.
  • Know de Business: Los datos por sí mismos aportan mucho valor, pero es muy importante hablar con las personas de la empresa, de distintos departamentos, para así conocer qué otros datos interesantes puede haber, qué problemas reales son los que tienen los usuarios, expectativas, cómo es la lógica de negocio de la empresa, etc. Todo esto tiene mucho impacto en cómo debe afrontarse el proyecto.
  • Data Collection and Exploration: Antes de empezar con el desarrollo, es fundamental conocer la calidad de los datos con los que se va a trabajar. Unos datos en poca cantidad o con mala calidad pueden hacer inútil el mejor de los desarrollos técnicos; aquí es donde se decide si es o no viable continuar con el proyecto.
  • Si hablamos de proyectos de AI/ML, ahora vendría el apartado Mathematical Model: Al contrario de lo que se piensa, esta parte a menudo no es la más complicada. No digo que sea sencilla, pero es una parte más del trabajo, no la única ni necesariamente la más grande. La elección del modelo forma parte de un ciclo iterativo formado también por los puntos Implementation y ROI Evaluation. Es muy importante destacar el carácter iterativo de estas tres etapas. En Mistral pensamos que es fundamental aportar valor al negocio lo antes posible, aún cuando el algoritmo elegido sea mejorable. En un proyecto de AI/ML, lo primero que hacemos es construir el sistema y poner un algoritmo sencillo que aporte valor lo antes posible. De esta manera puede testearse el sistema más pronto, corregir errores, comprobar los primeros ratios arrojados por el algoritmo y el cliente puede empezar a usarlo en su negocio, comenzando el ROI. El proceso iterativo se repite, sustituyendo el algoritmo actual por otro mejor que aporte mayor valor, en el menor tiempo posible. Así hasta que se alcanza un punto de equilibrio óptimo entre el valor que aporta el algoritmo y el esfuerzo, en términos de tiempo y dinero, que supondría el desarrollo de un algoritmo aún mejor. De nada sirve un proyecto cuyo coste es mayor que el ROI que genera.

En nuestra web https://www.mistralbs.com/data-science/ puede verse un gráfico de este modelo.

¿Por qué habéis elegido uniros como empresa colaboradora a ANBAN? 

Hemos decidido unirnos a ANBAN principalmente por un motivo: compartir conocimiento.

Los proyectos que hacen uso de este tipo de tecnologías son complejos y aún es un mundo en constante exploración, donde hay muchas cosas por descubrir. Pensamos que es muy importante que las empresas, asociaciones y entidades que trabajamos en esta área colaboremos entre nosotros, compartamos conocimientos, experiencias, éxitos y fracasos, pues esto nos beneficiará tanto a nosotros como a nuestros clientes.